在信息话识，把图片识别成文字或者字符，代替人工处理，是现在大家都在进行的研究，本程序通过神经网络把图片的文字转换为可以使用的文字，实现了文字的识别。

提出一种识别灰度图像中交叉点的神经网络方法。用自组织特征映射网络和BP网络组成多分类器，识别图像中的二交叉点、三交叉点和四交叉点。在加入8%的干扰时，仍能达到85%左右的识别率。

糖尿病性视网膜病变 这是一个创建webb应用程序的项目，该应用程序可以对是否患有糖尿病性视网膜病的视网膜图像进行分类。 这是24小时。 要求 对于网络应用 Python。 Keras带有tensorflow后端。 Django的 用于培训和定制 符合以上要求， 脾气暴躁的 大熊猫 Scikit学习 Matplotlib Jupyter笔记本 安装 用于运行Web应用程序。 克隆此存储库 前往糖尿病性视网膜病变/网站/ 运行'python3 manage.py runserver' 在浏览器中转到localhost / eye。 用于训练模型和定制。 克隆存储库 下载数据集（或 。 根据Keras 将数据集分为症状和非症状。 运行Jupyter笔记本。 模型将另存为model.hd5。 另外，您可以通过加载model.hd5使用我们的预训练模型。 结果 培训收敛到大约

MATLAB手写数字识别，带界面GUI，bp神经网络方法

只用numpy，从头实现3层神经网络，RELU激活函数，softmax Loss函数 在mnist上训练，识别手写数字，92%以上正确率（本人懒得跑太久，没有完全收敛）

这种用于识别手写数字的基于CNN的模型在训练12个时期之后获得99.2％的验证准确度。 它在Kaggle的MNIST数据集上训练

opencv神经网络识别数字

基于计算机视觉的番茄缺素神经网络识别.pdf

初学者简单学习神经网络理论后练习的内容

一个非常简单的程序，用 9 个图像（3 个矩形、3 个三角形和 3 个圆形）训练神经网络，然后模拟神经网络以识别其他 3 个图像（1 个矩形、1 个三角形和 1 个圆形）。